[發明專利]臉部識別方法、分類模型的訓練方法、裝置和存儲介質

在審

• 申請號: 202010010341.2
• 申請日: 2020-01-06
• 公開（公告）號: CN111126346A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 葉澤雄;黎偉;肖萬鵬
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 李娟

1.一種臉部識別方法，其特征在于，包括：

提取待識別圖像的臉部特征；

根據待識別圖像的臉部特征，確定所述臉部特征對應于各目標對象的類別分數值；

基于各目標對象分別對應的類別分數值，獲得所述待識別圖像的第一識別結果；所述第一識別結果用于指示所述待識別圖像中臉部特征對應的目標對象。

2.根據權利要求1所述的方法，其特征在于，所述根據待識別圖像的臉部特征，確定所述臉部特征對應于各目標對象的類別分數值，包括：

將所述臉部特征輸入已訓練的分類模型，得到所述分類模型輸出的所述臉部特征對應于各目標對象的類別分數值，其中，所述分類模型是根據至少一個目標對象的臉部樣本圖像集訓練得到的，每個目標對象的臉部樣本圖像集包括該目標對象在不同拍攝狀態的多張臉部樣本圖像。

3.根據權利要求1所述的方法，其特征在于，所述提取待識別圖像的臉部特征之后，所述方法還包括：

將所述臉部特征與保存的各個臉部數據進行相似度比對，每個臉部數據對應一個候選對象；

根據相似度比對結果，獲得所述待識別圖像的第二識別結果，所述第二識別結果用于指示與所述臉部特征匹配的候選對象；

所述獲得所述待識別圖像的第一識別結果之后，所述方法還包括：

根據所述第一識別結果和所述第二識別結果，確定對所述待識別圖像的臉部識別結果。

4.根據權利要求3所述的方法，其特征在于，所述將所述臉部特征輸入已訓練的分類模型之前，所述方法還包括：

確認所述第二識別結果指示的候選對象包括至少兩個；

所述根據所述第一識別結果和所述第二識別結果，確定對所述待識別圖像的臉部識別結果，包括：

將所述第一識別結果作為對所述待識別圖像的臉部識別結果。

5.根據權利要求3所述的方法，其特征在于，所述將所述臉部特征與待比對臉部數據進行相似度比對之前，所述方法還包括：

確認所述第一識別結果指示未獲得所述臉部特征對應的目標對象。

6.根據權利要求3所述的方法，其特征在于，所述方法還包括：

若所述第二識別結果指示的候選對象與所述第一識別結果指示的目標對象不一致，根據所述待識別圖像獲得用于訓練所述分類模型的臉部樣本圖像。

7.根據權利要求2～6任一項所述的方法，其特征在于，所述分類模型為用于分類的卷積神經網絡，或者，所述分類模型包括至少一個SVM分類器，每個SVM分類器對應一個目標對象，不同的SVM分類器對應不同的目標對象，每個所述SVM分類器用于根據輸入的臉部特征輸出判定結果，所述判定結果為所述臉部特征匹配該SVM分類器對應的目標對象的類別分數值。

8.根據權利要求2～6任一項所述的方法，其特征在于，所述分類模型的訓練過程，包括：

從訓練數據集中抽取臉部樣本圖像；所述訓練數據集中包括正樣本和負樣本，所述正樣本包括至少一個目標對象的臉部樣本圖像集，所述負樣本包括非目標對象的臉部樣本圖像；每張臉部樣本圖像均標注有類別標簽，正樣本的類別標簽用于指示該臉部樣本圖像對應的目標對象，負樣本的類別標簽用于指示該臉部樣本圖像不對應任何一個目標對象；

提取臉部樣本圖像的臉部特征；

將臉部樣本圖像的臉部特征輸入分類模型，得到臉部樣本圖像的識別結果；

根據臉部樣本圖像的識別結果與臉部樣本圖像的類別標簽，確定損失值；

根據損失值對所述分類模型的參數進行調整，直至所述損失值收斂至預設的期望值為止，得到已訓練的分類模型。

9.根據權利要求8所述的方法，其特征在于，若所述分類模型為用于分類的卷積神經網絡，所述臉部樣本圖像的識別結果為所述臉部特征匹配各個目標對象的類別分數值；

若所述分類模型為包括至少一個SVM分類器，所述臉部樣本圖像的識別結果為每個SVM分類器輸出的判定結果，所述判定結果為所述臉部特征匹配該SVM分類器對應的目標對象的類別分數值。